カテゴリ：: 文字列とバイナリ関数（大規模言語モデル）

AI_COMPLETE （単一文字列）¶

注釈

AI_COMPLETE は COMPLETE （SNOWFLAKE.CORTEX）の更新されたバージョンです。最新の関数については、 AI_COMPLETE を使用してください。

サポートされている言語モデルを使用して、テキストプロンプトに対する応答（補完）を生成します。

構文¶

この関数には2つの必要な引数と4つのオプションの引数があります。この関数は、位置引数または名前付き引数の構文で使用することができます。

単一文字列入力での AI_COMPLETE の使用

AI_COMPLETE(
    <model>, <prompt> [ , <model_parameters>, <response_format>, <show_details> ] )

Copy

引数¶

model

使用するモデルを指定する文字列。以下のモデルのいずれかを指定してください。

claude-4-opus
claude-4-sonnet
claude-3-7-sonnet
claude-3-5-sonnet
deepseek-r1
gemma-7b
jamba-1.5-mini
jamba-1.5-large
jamba-instruct
llama2-70b-chat
llama3-8b
llama3-70b
llama3.1-8b
llama3.1-70b
llama3.1-405b
llama3.2-1b
llama3.2-3b
llama3.3-70b
llama4-maverick
llama4-scout
mistral-large
mistral-large2
mistral-7b
mixtral-8x7b
openai-gpt4.1
openai-o4-mini
reka-core
reka-flash
snowflake-arctic
snowflake-llama-3.1-405b
snowflake-llama-3.3-70b

サポートされるモデルでは、コストが異なる可能性があります。

prompt

文字列プロンプト

model_parameters

モデルのハイパーパラメーターに影響を与える以下のオプションを0個以上を含むオブジェクト。 LLM設定をご参照ください。

temperature: 言語モデルの出力のランダム性を制御する0から1まで（各値を含む）の値。温度が高いほど（例: 0.7）出力はより多様でランダムになり、温度が低いほど（例: 0.2）、出力はより決定論的で焦点が絞られます。

デフォルト: 0
top_p: 言語モデルのランダム性と多様性を制御する0から1まで（各値を含む）の値。通常、 temperature の代替として使用されます。相違は、 top_p がモデルにより出力される可能性のあるトークンのセットを制限するのに対して、 temperature は各ステップでどのトークンが選択されるのかに影響を及ぼすという点です。

デフォルト: 0
max_tokens: 応答に含まれる出力トークンの最大数を設定します。値が小さいと、応答が切り詰められることがあります。

デフォルト値: 4096 最大許容値: 8192
guardrails: Cortex Guard を使用して、言語モデルから潜在的に安全ではない、有害な応答をフィルターします。TRUE または FALSE のいずれか。

デフォルト: FALSE

response_format

応答が従う必要がある JSON スキーマ。これは文字列ではなく、 SQL サブオブジェクトです。 response_format が指定されない場合、応答は、応答か、応答とそれに関する情報を含むシリアル化された JSON オブジェクトのどちらかを含む文字列です。

詳細については、 AI_COMPLETE 構造化出力をご参照ください。

show_details

応答とその情報を含む JSON オブジェクトをシリアル化して返すかどうかを示すブールフラグ。

戻り値¶

show_details 引数が指定されていない、または FALSE に設定されている、および response_format が指定されていない、または NULL に設定されている場合、応答を含む文字列を返します。

show_details 引数が指定されていないか、 FALSE に設定されており、 response_format が指定されている場合、指定された応答形式に従ったオブジェクトを返します。

show_details 引数が TRUE に設定され、 response_format が指定されていない場合、以下のキーを含む JSON オブジェクトを返します。

"choices": モデルの応答の配列。（現在、提供される応答は1つのみ。）各応答は "messages" キーを含むオブジェクトで、その値は最新のプロンプトに対するモデルの応答です。
"created": 応答が生成された UNIX タイムスタンプ（1970年1月1日午前0時からの秒数）。
"model": 応答を作成したモデルの名前。
"usage": この完了によって消費され、生成されたトークンの数を記録するオブジェクト。以下のサブキーを含みます。
- "completion_tokens": 生成された応答のトークンの数。
- "prompt_tokens": プロンプトのトークンの数。
- "total_tokens": 他の値2つの合計である、消費されたトークンの合計数。

show_details 引数が TRUE に設定され、 response_format を指定されている場合、以下のキーを含む JSON オブジェクトを返します。

"structured_output": 指定された応答形式に従っているJSONオブジェクト
"created": 応答が生成された UNIX タイムスタンプ（1970年1月1日午前0時からの秒数）。
"model": 応答を作成したモデルの名前。
"usage": この完了によって消費され、生成されたトークンの数を記録するオブジェクト。以下のサブキーを含みます。
- "completion_tokens": 生成された応答のトークンの数。
- "prompt_tokens": プロンプトのトークンの数。
- "total_tokens": 他の値2つの合計である、消費されたトークンの合計数。

例¶

単一応答¶

単一応答を生成するには、

SELECT AI_COMPLETE('snowflake-arctic', 'What are large language models?');

Copy

テーブル列からの応答¶

以下の例では、 content 列を入力として、 reviews テーブルの各行に対する応答を生成しています。各クエリ結果には、対応するレビューの批評が含まれています。

SELECT AI_COMPLETE(
    'mistral-large',
        CONCAT('Critique this review in bullet points: <review>', content, '</review>')
) FROM reviews LIMIT 10;

Copy

Tip

この例で示すように、プロンプトのタグ付けを使用して、生成される応答の種類を制御することができます。ヒントについては、 LLaMA 2プロンプトのガイドをご参照ください。

モデルパラメーターの制御¶

以下の例では、応答の提供に使用される model_parameters を指定します。

SELECT AI_COMPLETE(
    model => 'llama2-70b-chat',
    prompt => 'how does a snowflake get its unique pattern?',
    model_parameters => {
        'temperature': 0.7,
        'max_tokens': 10
    }
);

Copy

応答は、言語モデルからのメッセージとその他の情報を含む文字列です。応答は、 model_parameters 引数での指示に従って切り捨てられることに注意してください。

"The unique pattern on a snowflake is"

Copy

詳細な出力¶

次の例は、 show_details 引数を使用して追加の推論の詳細を返す方法を示しています。

SELECT AI_COMPLETE(
    model => 'llama2-70b-chat',
    prompt => 'how does a snowflake get its unique pattern?',
    model_parameters => {
        'temperature': 0.7,
        'max_tokens': 10
    },
    show_details => true
);

Copy

応答は、モデルのメッセージと関連する詳細を含む JSON オブジェクトです。 options 引数は出力の切り捨てに使用されました。

{
    "choices": [
        {
            "messages": " The unique pattern on a snowflake is"
        }
    ],
    "created": 1708536426,
    "model": "llama2-70b-chat",
    "usage": {
        "completion_tokens": 10,
        "prompt_tokens": 22,
        "guardrail_tokens": 0,
        "total_tokens": 32
    }
}

Copy

JSON 応答形式の指定¶

この例は、関数の response_format 引数を使って、構造化された応答を返す例を示しています。

SELECT AI_COMPLETE(
    model => 'llama2-70b-chat',
    prompt => 'Extract structured data from this customer interaction note: Customer Sarah Jones complained about the mobile app crashing during checkout. She tried to purchase 3 items: a red XL jacket ($89.99), blue running shoes ($129.50), and a fitness tracker ($199.00). The app crashed after she entered her shipping address at 123 Main St, Portland OR, 97201. She has been a premium member since January 2024.',
    model_parameters => {
        'temperature': 0,
        'max_tokens': 4096
    },
    response_format => {
            'type':'json',
            'schema':{'type' : 'object','properties' : {'sentiment_categories':{'type':'array','items':{'type':'object','properties':
            {'food_quality' : {'type' : 'string'},'food_taste': {'type':'string'}, 'wait_time': {'type':'string'}, 'food_cost': {'type':'string'}},'required':['food_quality','food_taste' ,'wait_time','food_cost']}}}}
    }
);

Copy

応答は構造化された応答形式に従っているJSONオブジェクトです。

応答:

{
    "sentiment_categories": [
        {
            "food_cost": "negative",
            "food_quality": "positive",
            "food_taste": "positive",
            "wait_time": "neutral"
        }
    ]
}

詳細な出力を伴う JSON 応答形式の指定¶

この例では、関数の response_format 引数を使用して、構造化された応答を返し、 show_details を組み合わせて追加の推論情報を取得する方法を示しています

SELECT AI_COMPLETE(
    model => 'llama2-70b-chat',
    prompt => 'Extract structured data from this customer interaction note: Customer Sarah Jones complained about the mobile app crashing during checkout. She tried to purchase 3 items: a red XL jacket ($89.99), blue running shoes ($129.50), and a fitness tracker ($199.00). The app crashed after she entered her shipping address at 123 Main St, Portland OR, 97201. She has been a premium member since January 2024.',
    model_parameters => {
        'temperature': 0,
        'max_tokens': 4096
    },
    response_format => {
            'type':'json',
            'schema':{'type' : 'object','properties' : {'sentiment_categories':{'type':'array','items':{'type':'object','properties':
            {'food_quality' : {'type' : 'string'},'food_taste': {'type':'string'}, 'wait_time': {'type':'string'}, 'food_cost': {'type':'string'}},'required':['food_quality','food_taste' ,'wait_time','food_cost']}}}}
    },
    show_details => true
);

Copy

応答は、構造化された応答と追加の推論メタデータを含むjsonオブジェクトです。

{
    "created": 1738683744,
    "model": "mistral-large2",
    "structured_output": [
        {
            "raw_message": {
                "sentiment_categories": [
                    {
                        "food_cost": "negative",
                        "food_quality": "positive",
                        "food_taste": "positive",
                        "wait_time": "neutral"
                    }
                ]
            },
            "type": "json"
        }
    ],
    "usage": {
        "completion_tokens": 60,
        "prompt_tokens": 94,
        "total_tokens": 154
    }
}